Jordanian companies’ stock price prediction using hybrid RNN with long term short memory and Tabu list memory
Other Title(s)
تنبؤ أسعار أسهم الشركات الأردنية باستخدام الشبكات العصبية المتكررة الهجينة مع ذاكرة طويلة قصيرة المدى و ذاكرة قائمة Tabu
Dissertant
Thesis advisor
University
Middle East University
Faculty
Faculty of Information Technology
Department
Computer Science Department
University Country
Jordan
Degree
Master
Degree Date
2020
Arabic Abstract
بعد توقع سعر السهم أحد أكثر المهام تحديا للشركات و كيفية اتخاذ القرار وفقا لهذا التوقع.
تكمن الصعوبة التنبؤ بأسعار الأسهم لكثير من العوامل مثل تغيرات السوق و العولمة الاقتصادية، و التي تشكل تحديا لتحليل تحركات سوق الأسهم و سلوكيات الأسعار، أمرا صعبا للغاية.
التوقع الفعال لسعر السهم في المستقبل يمكن أن يوفر مكاسب مادية و تأثيرا إيجابيا على الشركة يقترح هذا البحث طريقة الشبكات العصبية المتكررة الهجينة مع ذاكرة طويلة قصيرة المدى و ذاكرة قائمة Tabu و اختبار الطريقة المقترحة على المعيار، ثم تطبيق الطريقة على السجلات أسعار الأسهم للشركات الأردنية الحقيقية و التحقق من أسعار الأسهم المتوقعة الناتجة باستخدام الطريقة المقترحة مع أسعار الأسهم الحقيقية، تم جمع بيانات أسعار الأسهم اليومية من بورصة عمان لتدريب و اختبار النموذج المقترح يهدف هذا العمل إلى توفير طريقة دقيقة للتنبؤ بسعر الأسهم و تحسين دقة التنبؤ من خلال إزالة الأسعار المتوقعة البعيدة عن سعر السهم الحقيقي و التنبؤات المتكررة، لتقديم طريقة مضمونة للشركات الأردنية للبقاء و الازدهار في السوق من خلال تحليل الأداء و التنبؤ بسعر السهم في المستقبل لتزويدهم بأداة لتجنب قرارات العمل السيئة و تحسين خدماتهم.
دقة النموذج المقترح عالية و واعدة حيث أن دقة الشبكات العصبية المتكررة الهجينة مع ذاكرة طويلة قصيرة المدى و ذاكرة قائمة Tabu كانت أفضل من استخدام الشبكات العصبية المتكررة الهجينة مع ذاكرة طويلة قصيرة المدى فقط كما هو موضح في النتائج، مما يعني أنه يمكن استخدام النموذج المقترح كأداة موثوقة لتنبؤ أسعار الأسهم.
English Abstract
Stock price prediction is one of the most challenging tasks for cooperation and how they can make a decision according to this prediction.
The difficulty of stock price prediction raising due to many factors such as market changes and globalization, which pose a challenge for analyzing stock market movements and price behaviors is extremely challenging.
The effective expectation of a stock's future cost could provide business gain and positive impact on the company.
This research propose method Hybrid RNN with Long Term Short Memory and Tabu List and test the proposed method on the benchmark, then apply the method for real Jordanian companies’ historical business records and check predicted stock prices produced by using the proposed method with real stock prices.
Daily stock data has been collected from the Amman Stock Exchange (ASE) in order to train and test the proposed model.
This work aims to provide an accurate method of stock pricing prediction and improve prediction accuracy by removing predicted prices that are far from the real stock price and redundant predictions, to offer a consistent method for the Jordanian companies to survive and flourish in market by analyzing their performance and predict stock price in future to provide them with a tool to avoid bad business decisions and improve their services.
The accuracy of the proposed model is high and promising as the accuracy of RNN with LSTM and Tabu list were better than using only RNN with LSTM as shown in the results, which means that the proposed model can be utilized as a reliable tool for stock prices prediction
Main Subjects
Information Technology and Computer Science
Topics
No. of Pages
72
Table of Contents
Table of contents.
Abstract.
Abstract in Arabic.
Chapter One : Introduction.
Chapter Two : Background and related works.
Chapter Three : Methodology.
Chapter Four : Experimental results and discussion.
Chapter Five : Conclusion and future work.
References.
American Psychological Association (APA)
al-Jumayli, Abd Allah Akram. (2020). Jordanian companies’ stock price prediction using hybrid RNN with long term short memory and Tabu list memory. (Master's theses Theses and Dissertations Master). Middle East University, Jordan
https://search.emarefa.net/detail/BIM-985368
Modern Language Association (MLA)
al-Jumayli, Abd Allah Akram. Jordanian companies’ stock price prediction using hybrid RNN with long term short memory and Tabu list memory. (Master's theses Theses and Dissertations Master). Middle East University. (2020).
https://search.emarefa.net/detail/BIM-985368
American Medical Association (AMA)
al-Jumayli, Abd Allah Akram. (2020). Jordanian companies’ stock price prediction using hybrid RNN with long term short memory and Tabu list memory. (Master's theses Theses and Dissertations Master). Middle East University, Jordan
https://search.emarefa.net/detail/BIM-985368
Language
English
Data Type
Arab Theses
Record ID
BIM-985368